Question

我有一个带有＆＃39; date＆＃39;的Pandas DataFrame。柱。现在我需要过滤掉DataFrame中具有接下来两个月之外的日期的所有行。基本上，我只需要保留未来两个月内的行。

实现这一目标的最佳方法是什么？

Answer 1

如果日期列是索引，则使用.loc进行基于标签的索引，或使用.iloc进行位置索引。

例如：

df.loc['2014-01-01':'2014-02-01']

请参阅此处的详细信息http://pandas.pydata.org/pandas-docs/stable/dsintro.html#indexing-selection

如果列不是索引，您有两个选择：

将其设为索引（如果是时间序列数据，则为临时或永久）
df[(df['date'] > '2013-01-01') & (df['date'] < '2013-02-01')]

有关一般说明，请参阅here

注意：.ix已弃用。

Answer 2

以前的答案在我的经验中是不正确的，你不能传递一个简单的字符串，需要是一个datetime对象。所以：

{{1}}

Answer 3

如果您的日期是通过导入日期时间包标准化的，您只需使用：

df[(df['date']>datetime.date(2016,1,1)) & (df['date']<datetime.date(2016,3,1))]

要使用datetime包标记日期字符串，您可以使用此功能：

import datetime
datetime.datetime.strptime

Answer 4

如果您的日期时间列具有Pandas日期时间类型（例如datetime64[ns]），为了正确过滤，您需要pd.Timestamp object，例如：

from datetime import date

import pandas as pd

value_to_check = pd.Timestamp(date.today().year, 1, 1)
filter_mask = df['date_column'] < value_to_check
filtered_df = df[filter_mask]

Answer 5

如果日期在索引中，则只需：

df['20160101':'20160301']

Answer 6

因此，在加载csv数据文件时，我们需要如下所示将date列设置为索引，以便根据日期范围过滤数据。对于现在不建议使用的方法，不需要使用此方法：pd.DataFrame.from_csv（）。

如果您只想显示从一月到二月的两个月的数据，例如2020-01-01至2020-02-29，您可以这样做：

import pandas as pd
mydata = pd.read_csv('mydata.csv',index_col='date') # or its index number, e.g. index_col=[0]
mydata['2020-01-01':'2020-02-29'] # will pull all the columns
#if just need one column, e.g. Cost, can be done:
mydata['2020-01-01':'2020-02-29','Cost']

这已经过测试，可用于Python 3.7。希望您会发现这个有用。

Answer 7

如果您已经使用pd.to_datetime将字符串转换为日期格式，则可以使用：

df = df[(df['Date']> "2018-01-01") & (df['Date']< "2019-07-01")]

Answer 8

如何使用pyjanitor

它具有很酷的功能。

在pip install pyjanitor

之后

import janitor

df_filtered = df.filter_date(your_date_column_name, start_date, end_date)

Answer 9

按日期过滤数据框的最短方法：假设您的日期列是datetime64 [ns]

的类型

# filter by single day
df = df[df['date'].dt.strftime('%Y-%m-%d') == '2014-01-01']

# filter by single month
df = df[df['date'].dt.strftime('%Y-%m') == '2014-01']

# filter by single year
df = df[df['date'].dt.strftime('%Y') == '2014']

Answer 10

目前还不允许我发表任何评论，所以如果有人可以阅读所有评论并达到目的，我将写一个答案。

如果数据集的索引是日期时间，而您只想按（例如）个月过滤，则可以执行以下操作：

df.loc[df.index.month == 3]

这将在三月之前为您过滤数据集。

Answer 11

您可以使用pd.Timestamp执行查询和本地引用

import pandas as pd
import numpy as np

df = pd.DataFrame()
ts = pd.Timestamp

df['date'] = np.array(np.arange(10) + datetime.now().timestamp(), dtype='M8[s]')

print(df)
print(df.query('date > @ts("20190515T071320")')

与输出

                 date
0 2019-05-15 07:13:16
1 2019-05-15 07:13:17
2 2019-05-15 07:13:18
3 2019-05-15 07:13:19
4 2019-05-15 07:13:20
5 2019-05-15 07:13:21
6 2019-05-15 07:13:22
7 2019-05-15 07:13:23
8 2019-05-15 07:13:24
9 2019-05-15 07:13:25


                 date
5 2019-05-15 07:13:21
6 2019-05-15 07:13:22
7 2019-05-15 07:13:23
8 2019-05-15 07:13:24
9 2019-05-15 07:13:25

Answer 12

您可以通过执行以下操作来选择时间范围：df.loc ['start_date'：'end_date']

Answer 13

如果您想使用 .query() 方法的另一种解决方案。

它允许您使用像 .query(f"{start} < MyDate < {end}") 这样的可读代码进行权衡，即 .query() 解析字符串和列值必须是 Pandas 日期格式（以便 .query() 也可以理解）

df = pd.DataFrame({
     'MyValue': [1,2,3],
     'MyDate': pd.to_datetime(['2021-01-01','2021-01-02','2021-01-03'])
})
start = datetime.date(2021,1,1).strftime('%Y%m%d')
end = datetime.date(2021,1,3).strftime('%Y%m%d')
df.query(f"{start} < MyDate < {end}")

（遵循@Phillip Cloud 的评论，@Retozi 的回答）

在日期过滤Pandas DataFrames

13 个答案: